使用边缘检测器计数水稻 （OPENCV)

在保密环境中，部分非法用户会故意把电子资料或屏幕截屏存成图像格式以防止保密检查工具或反泄密、防泄漏系统检测到。因此，对图形图像文字识别技术提出了较高要求。 可以在图像文件上标记密级等级的字样，通过识别这些密级等级的字样。可以方便的对不同等级的图片进行分类管理。首先，需要提取这些图像中的文字信息，然后比对密级等级字典，对于不同等级的图像，用一种显著方式对这些图像进行区分。主要阅读为开发人员。

图像平滑处理，主要是平滑算法，对于初学opencv实现的人来说是个很不错的例子。

程序主要是验证图像处理的一些算法，主要对印刷体汉字识别方法做了较为深入的研究，研究讨论了印刷体汉字的行切割以及列切割，同时研究了通过BP神经网路识别汉字的方法。首先，首先利用高斯平滑滤波器，对图像进行平滑处理，去掉了一些不必要的干扰。然后使用全局阈值法来进行二值化处理，随后分别利用水平投影和垂直投影相方法来对印刷体汉字进行行切割和列切割，最后通过已经训练好的BP神经网路对汉字进行识别。这个系统还有不是很完善的地方，一是它的识别精度还不是很高，这是因为没有采用特征提取的方法，只是简单的使用像素匹配的方法来对汉字进行识别；二是系统不是很稳定，有的时候设置同样的参数前后识别的结果就不相同。

逆实现图像复原，这是我们的课程作业。你面含有你滤波的实现源码，可以参考下，运行成功，效果还可以

为了计算出地形点(Xi, Yj)上的高程值,一般需要首先从DEM地形数据中搜索到其所属的栅格,然后利用栅格交点处的高程值和二次线性插值函数来计算得到其高程值。但是这种方法每次都必须从海量的DEM地形数据中搜索出一个特定的栅格,而目前搜索算法的最优时间复杂度不会低于log(n)。为了充分利用计算机的移位计算的特点,文中采用2i倍的放大或者缩小DEM地形数据栅格的方法。这种方法省略了栅格搜索过程,从而大大提高了计算性能。其原理如图4所示:缩放显示图像时,栅格数减少一倍,需要合并四个相邻栅格。其中的虚斜线表示原来的栅格和等高线,黑粗线表示由新栅格计算得到的等高线。

图像和视频处理和压缩是这年轻的一代人民非常重要的因为他们希望一切都以高质量低成本。在我的项目我做了什么在对压缩应当是有用的图像压缩图像而不会干扰质量

一种基于SURF的图像拼接算法，用MATLAB设计GUI界面，导入图像，并可以改变图像的像素，以满足不同图像处理的要求。同时提供3种不同的图像处理结果。很好的满足了图像处理的不同要求。

FREEMAP 很不错请大家参考FREEMAP 很不错请大家参考FREEMAP 很不错请大家参考FREEMAP 很不错请大家参考FREEMAP 很不错请大家参考FREEMAP 很不错请大家参考FREEMAP 很不错请大家参考FREEMAP 很不错请大家参考FREEMAP 很不错请大家参考FREEMAP 很不错请大家参考

基于opencv的人脸检测代码，适合初学者使用多个弱分类器集成的方法，机器学习中的弱学习到强学习，集成的关键是投票，最简单的方法是“绝对多数”的方法

应用背景 SIFT算法是D.G.Lowe[40]于1999年提出的，SIFT算法可分为两个部分：第一部分是生成SIFT特征，即SIFT特征向量提取过程；第二部分是通过对提取的SIFT特征进行匹配。 特征点描述子生成：计算每个4x4小块上8个方向的梯度方向直方图，并为每个梯度方向做一个累加值，得到一个种子点，如图3.5右图所示。图中每个特征点是由2x2个种子点构成，则每个种子点都具有8个方向的向量信息。为增强SIFT特征匹配的稳定性，每个特征点都通过4x4个种子点来加以描述，这就使得每个特征点都能够生成128个数据，进而形成4x4x8=128维的SIFT特征向量，其中4x4表示16个种子区域，8表示区域的8个方向。  关键技术（1）SIFT算法是一种基于图像局部特征提取的方法，SIFT特征具有尺度缩放不变性、旋转不变性，对视角变化、光照变化、物体运动、噪声也具有良好的稳定性。  （2）高速性，优化的SIFT算法可满足实时性需求。 （3）多量性，SIFT算法可以提取大量的特征点。 （4）可扩展性，SIFT算法可与其他算法相结合。 （5）独特性好、信息量丰富，匹配快速、准确。  经过第一阶段SIFT特征向量生成，第二阶段就是对提取的特征向量进行匹配。其特征点匹配步骤为：假设两幅待匹配的图像分别为S、T，分别从两幅图中提取SIFT特征点。